GEO落地三个月，我把客户问句按「决策阶段」分了四层才跑通引用

我直接说怎么做。

上个月接手一个工业配件客户的GEO项目，之前他们自己跑了一版问句库，全是从官网产品页反推的关键词变体，喂给AI后引用率一直卡在12%左右。我看了他们那个表就摇头——全是「XX型号参数」「XX规格对比」这种采购末端的问题，但客户真正在AI里问的，压根不是这个阶段。

我把客服三个月的聊天记录和销售跟单表拉出来，按客户决策路径把问句重分了四层：

第一层：问题认知——「XX设备异响是什么原因」「XX耗材多久换一次」。这层AI引用率最高，但客户不搜品牌，只搜症状。我们在这层埋的是技术答疑内容，引用率干到41%。

第二层：方案比较——「A方案和B方案哪个适合小批量产线」。这层AI特别爱引用带对比表格和具体数字的内容，纯文字描述基本被跳过。我们补了三张对照表，引用率从9%拉到28%。

第三层：供应商筛选——「XX行业有哪些靠谱供应商」「XX认证怎么查」。这层最要命，AI会直接列名单，我们得确保品牌出现在「推荐」而非「提及」里。上次那个「被提到vs被推荐」的坑我就不重复了，总之这层我们做了资质页的结构化改造，加了认证编号和查询路径，AI引用时能带出可验证信息。

第四层：采购决策——「XX型号报价」「交期多久」。这层AI引用率最低，因为涉及具体商务信息，模型会规避。我们干脆不在这层死磕，把预算挪到前三层。

跑了一个月，整体AI引用率从12%到34%，关键是第三层的「推荐型引用」从0干到了6次。

踩的坑也说一下：一开始我把四层问句混在一个批次里跑，结果数据完全看不出哪层起了作用，后来拆成四个批次号分开追踪，才定位到第二层的对比表是主要拉动力。所以批次隔离这事，别偷懒。

你们跑GEO问句库的时候，是按产品线切的还是按决策阶段切的？我这边实测下来决策阶段分层对引用率的提升更直接，但样本还不够，想听听不同行业的做法。